AI, yarım tamamlanmış bir IKEA rafın fotoğrafına bakarak hangi adımda hata yaptığınızı söyleyebiliyor. Epoch, Möbiye Montaj Benchmark'ını yayınladı. Model, talimat PDF'sini ve yarım monte edilmiş bir parçanın bir fotoğrafını alıyor. Yanlış adımı bulmalı, hatayı açıklamalı veya hiçbir şey söylememelidir. Kasım 2025: En iyi puan 28% (Claude Opus 4.5) Bugün: 80% (GPT-6 Astra) 10 ay. +52 puan Fable 5.1: %70. Opus 5: %61 Bir oyun gibi görünüyor. Ama değil. Bu, bir robotun eksik olan tam olarak bu beceri. Kullanım kılavuzunu okumak, gerçek dünyaya bakmak, gerçekliğin planla uyuşmadığını fark etmek. Kodlama benchmark'ları ekranda ne olduğunu gösterir; bu benchmark ise AI'nın oturma odanıza ne kadar yakın olduğunu gösteriyor. Dürüst olmak gerekirse, küçük bir test. 60 fotoğraf, 3 IKEA ürünü ve değerlendiren başka bir model. Kesin sayıyı evinize koyup bahse girmeyin. Ancak eğim, boyuttan daha önemli. En korkutucu taraf hız. Yaklaşık bir yılda 28'den 80'e yükseldi ve neredeyse kimse bu grafiği izlemiyordu. Kişisel olarak, bu benim zaman çizelgemimi değiştiren tek şeydi. Evde robotlar konusunda her zaman 2030'lar olduğunu düşünüyordum. Bir modelin talimatlara göre fiziksel işleri %80 oranında kontrol edebilmesi, beynin yarısının neredeyse tamamlandığı anlamına geliyor. Eller sıradaki.